Prace dyplomowe · Współpraca z promotorem

Promotor prosi o analizę, która nie działa – jak to wyjaśnić i co zaproponować

Dziesięć typowych próśb: co promotor chce uzyskać, dlaczego dosłownie to nie działa, co zaproponować i gotowa, uprzejma wiadomość. Także o tym, gdzie decyduje promotor, a czego nie zrobisz nawet na prośbę.

Strona główna / Blog / Promotor prosi o analizę
W skrócie: Zacznij od potrzeby, która stoi za prośbą, i zaproponuj wersję, która na nią odpowiada; o pracy decyduje promotor, a rozmowa często kończy się kompromisem. Większość spraw da się rozwiązać analizą dodatkową, oznaczoną jako dodatkowa. W danych bez żadnego efektu 14 analiz po nieistotnym wyniku głównym dawało „coś istotnego” w 35.29% prac. Usuwanie wyników zaplanowanych hipotez, zmienianie danych i wymyślanie wyników pozostają poza dyskusją.

Promotor prosi o coś, co Twoim zdaniem nie zadziała

Po kilku tygodniach pracy wraca rozdział z komentarzem: „Proszę policzyć moc po fakcie” albo „Te nieistotne wyniki proszę usunąć”. Gdzieś przeczytałaś, że tak się nie robi. Co teraz?

Zacznij od założenia, które zwykle okazuje się prawdziwe: promotor ma powód. Widział wiele obron, zna zwyczaje dziedziny i wie, o co pytają recenzenci. Często to on ma rację, a tekst, który czytałaś, pomija kontekst. Nawet gdy sama metoda budzi wątpliwości, za prośbą stoi zwykle słuszna potrzeba: czy próba wystarczyła, czy rozdział da się przeczytać, czy wynik nie bierze się z wieku badanych. O pracy decyduje promotor, a Ty proponujesz. Rozmowa często kończy się kompromisem i jest to dobry wynik.

Poniżej jest dziesięć typowych próśb. Przy każdej znajdziesz potrzebę promotora, krótkie wyjaśnienie, propozycję i wiadomość do skopiowania. Ogólne uwagi do rozdziału wyników omawia wpis o poprawkach promotora, a wymóg hipotez w pracy opisowej – wpis o pytaniach i hipotezach. Tu zostają sytuacje, w których dosłowne wykonanie prośby nie odpowiada na pytanie, które za nią stoi.

Najpierw ustal, z jaką sprawą masz do czynienia

Prośby różnią się wagą, więc nie każda jest warta rozmowy. Rysunek 1 dzieli je na trzy grupy.

  • Statystyka daje dość jasną odpowiedź. Warto zaproponować lepszą wersję, ale prośbę zwykle da się też spełnić jako dodatek, oznaczony jako dodatek.
  • Zwyczaj dziedziny i preferencje. Rozsądne osoby robią to różnie. Argument podajesz raz, a decyzję podejmuje promotor.
  • Granica rzetelności. Dotyczy niewielu spraw, które opisujemy osobno. Prośby tego rodzaju są rzadkie i zwykle wynikają z nieporozumienia.
Schemat trzech kolumn. Statystyka daje dość jasną odpowiedź: moc po fakcie, więcej testów, podział na niski i wysoki, testy w tabeli 1 po losowaniu, wpływ w badaniu przekrojowym. Zwyczaj dziedziny: wiek i płeć, test normalności, próg alfy, słowo tendencja, skrócenie rozdziału. Granica rzetelności: ukrycie wyniku hipotezy, zmiana danych, wymyślenie wyników, analiza wybrana po wynikach opisana jak planowana.
Rysunek 1. Trzy rodzaje spraw. Podział jest orientacyjny: zasady uczelni i wymagania promotora mają pierwszeństwo przed zwyczajami opisanymi w tym wpisie.

Jak napisać, żeby to była propozycja

  • Zacznij od potrzeby, a nie od tego, co jest nie tak.
  • Upewnij się, że dobrze rozumiesz. „Usunąć” może znaczyć „przenieść do załącznika”.
  • Przynieś gotową wersję. Tabelę ocenia się łatwiej niż argument.
  • Podaj jedno źródło, nie pięć linków.
  • Zakończ pytaniem i zostaw decyzję promotorowi. Większe sprawy lepiej omówić na konsultacji.
Przykłady wiadomości: jak bywa napisane, co jest nie tak i wersja poprawiona
Jak bywa napisaneCo nie takPoprawione
„Moc post hoc to błąd metodologiczny, dlatego jej nie policzę”Poucza, odmawia, pomija pytanie promotora„Rozumiem, że chodzi o to, czy próba była wystarczająca. Czy mogę pokazać to analizą wrażliwości?”
„W internecie jest napisane, że nie wolno dzielić zmiennych”Słabe źródło, kategoryczny ton, brak propozycji„Czy mogę pokazać podział w tabeli opisowej, a test policzyć na wyniku ciągłym?”
„Statystyk powiedział, że tak się nie robi”Stawia kogoś ponad promotorem i zamyka rozmowę„Mam wątpliwość co do [element]. Przygotowałem/-am dwie wersje, czy mogę je pokazać?”

Dziesięć próśb: potrzeba, kłopot, propozycja, wiadomość

Wiadomości zacznij od zwrotu, którego używasz na co dzień, i dopasuj je do swojej pracy. Pola w nawiasach kwadratowych uzupełnij.

1. „Proszę policzyć moc po fakcie”

Co chce uzyskać promotor. Sprawdzić, czy przy tej liczbie osób badanie mogło cokolwiek wykazać. To dobre pytanie, szczególnie po wyniku nieistotnym.

Dlaczego dosłownie to nie działa. Moc liczona z efektu uzyskanego w próbie jest przekształconą wartością p, a Hoenig i Heisey (2001) uznają jej użycie do interpretacji wyniku nieistotnego za podejście błędne u podstaw. Rachunek i symulację pokazuje wpis o mocy po fakcie.

Co zaproponować. Analizę wrażliwości (jaki najmniejszy efekt badanie wykryłoby z mocą 80%) i przedziały ufności. Jeśli promotor nadal chce tej liczby, daj ją w przypisie, bez wniosków z niej. Gdy próba wyszła mniejsza niż plan, zajrzyj też do wpisu o zbyt małej liczbie osób.

Dziękuję za uwagę o mocy. Rozumiem, że chodzi o to, czy liczebność pozwalała wykryć efekt. Moc liczona z uzyskanego wyniku powtarza informację z wartości p (Hoenig i Heisey, 2001), dlatego proponuję podać najmniejszy efekt wykrywalny z mocą 80% oraz przedziały ufności. Jeśli uzna Pan/Pani za potrzebne, dodam też moc po fakcie w przypisie. Która forma będzie najlepsza?

2. „Te nieistotne wyniki proszę usunąć”

Co chce uzyskać promotor. Zwykle krótszego, czytelnego rozdziału, bez kilkunastu tabel, z których nic nie wynika. Bardzo często tylko o to chodzi.

Dlaczego dosłownie to nie działa. Skrócenie opisu jest w porządku. Kłopot pojawia się, gdy znika wynik zaplanowanej hipotezy, bo czytelnik dostaje wtedy obraz złożony z samych sukcesów (zob. hipoteza się nie potwierdziła i opis wyniku nieistotnego).

Co zaproponować. Przy każdej hipotezie zostaje jedno zdanie z wynikiem. Pozostałe testy przenieś do tabeli zbiorczej albo do załącznika.

Dziękuję, zgadzam się, że rozdział wyników jest za długi. Czy dobrze rozumiem, że chodzi o skrócenie opisu? Proponuję zostawić po jednym zdaniu przy każdej hipotezie, także nieistotnej, a pozostałe testy przenieść do tabeli zbiorczej w załączniku. Rozdział skróci się o [liczba] stron, a hipotezy z Metody będą miały swoje wyniki. Czy taki układ będzie odpowiedni?

3. „Proszę policzyć jeszcze kilka testów, może coś wyjdzie”

Co chce uzyskać promotor. Praca z samymi wynikami nieistotnymi wygląda skromnie, a dane mogą kryć coś ciekawego. Eksploracja danych jest uprawniona.

Dlaczego dosłownie to nie działa. Elastyczność w analizie i raportowaniu silnie podnosi odsetek wyników fałszywie dodatnich (Simmons i in., 2011). W symulacji poniżej, w danych bez żadnego efektu, po nieistotnej analizie głównej 6 analiz dodatkowych dawało „coś” w 19.41% prac, a 14 analiz w 35.29% (rysunek 2). Kłopotem staje się też hipoteza dopisana po wyniku, czyli HARKing.

Co zaproponować. Dwie, trzy analizy wynikające z teorii, wypisane przed liczeniem i nazwane eksploracyjnymi, z podaną liczbą wszystkich testów. O poprawce zdecydujcie razem. Przy poprawce Holma na wszystkie testy odsetek w symulacji wynosił 2.99%.

Dziękuję za sugestię, chętnie sprawdzę dane szerzej. Proponuję dodać [dwie, trzy] analizy, które mają uzasadnienie w literaturze: [analiza 1], [analiza 2]. Opiszę je w osobnym podrozdziale jako eksploracyjne i podam liczbę wszystkich wykonanych testów, aby wyniku dodatkowego nie brać za potwierdzenie hipotezy. Czy te kierunki wydają się Panu/Pani najciekawsze?
Wykres liniowy: odsetek prac z co najmniej jednym wynikiem istotnym rośnie bez poprawki od 8.20% przy 2 analizach do 35.29% przy 14, a z poprawką Holma pozostaje między 2.52% a 3.04%.
Rysunek 2. Odsetek prac, w których po nieistotnej analizie głównej „wyszło” coś w analizach dodatkowych. Dane symulowane, bez żadnego efektu; linia przerywana oznacza 5%. Kolejne analizy to inne wyniki i podgrupy, więc są skorelowane. Szerzej o wielu testach piszemy we wpisie o poprawkach.

4. „Proszę dodać wiek i płeć do każdej analizy”

Co chce uzyskać promotor. Odpowiedzieć z góry na pytanie, czy wynik nie bierze się z różnic demograficznych. Często to rozsądne, a komisja może o to zapytać.

Dlaczego dosłownie to nie działa. Kontrola pomaga, gdy zmienna może zakłócać związek, a źle dobrana potrafi oszacowanie pogorszyć (Wysocki i in., 2022). W przeglądzie 580 artykułów z zarządzania i psychologii stosowanej Bernerth i Aguinis (2016) stwierdzili, że dominują właśnie płeć, wiek i staż, a powody rzadko są wyjaśniane. Szczegóły są we wpisie czy kontrolować wiek i płeć.

Co zaproponować. Pokaż model bez kontroli i z kontrolą obok siebie, z jednym zdaniem uzasadnienia. Jeśli promotor woli kontrolę w każdej analizie, zrób tak: to sprawa zwyczaju.

Dziękuję za uwagę. Dodam wiek i płeć do modeli. Czy mogę pokazać w tabeli obie wersje, bez kontroli i z kontrolą? Czytelnik zobaczy wtedy, czy wynik zależy od tych zmiennych, a ja dopiszę jedno zdanie uzasadnienia, dlaczego mogą zakłócać badany związek.

5. „Najpierw test normalności, on zdecyduje o wyborze testu”

Co chce uzyskać promotor. Sprawdzenia założeń i możliwości obrony wyboru testu. To w pełni słuszne.

Dlaczego dosłownie to nie działa. Przy małej próbie taki test rzadko wykryje odstępstwo, przy dużej wskaże odstępstwa bez znaczenia (normalność w praktyce), a w regresji założenie dotyczy reszt. W symulacji Rochona i in. (2012) wstępny test zmieniał warunkowe poziomy błędu I rodzaju, choć cała procedura mieściła się w akceptowalnych granicach, więc nie jest to katastrofa.

Co zaproponować. Zostaw test i dołóż wykres Q-Q oraz opis rozkładu. Przy wątpliwościach podaj wynik obu testów, jeden w załączniku. Decyduje promotor.

Dziękuję, wynik testu Shapiro–Wilka umieszczę w pracy. Czy mogę dodać wykres Q-Q i opis rozkładu, bo przy [n] osobach sam test może być mało czuły? Jeśli wybór testu okaże się wątpliwy, podam w załączniku także wynik drugiego testu.

6. „Proszę podzielić wynik na niski i wysoki”

Co chce uzyskać promotor. Wyniku prostego w odbiorze: odsetków, czytelnej tabeli, języka zrozumiałego dla praktyków.

Dlaczego dosłownie to nie działa. Podział w punkcie średniej obniża moc tak, jak w typowych warunkach odrzucenie około 38% osób (Cohen, 1983). Próg z mediany zależy też od tej jednej próby (dzielenie medianą).

Co zaproponować. Analiza główna na wyniku ciągłym, a podział w tabeli opisowej, z progiem z literatury lub norm, ustalonym przed analizą.

Dziękuję, zgadzam się, że grupy będą czytelniejsze w opisie. Proponuję podać w tabeli odsetki osób z niskim i wysokim wynikiem według progu [źródło], a test wykonać na wyniku ciągłym, aby nie tracić części informacji. Czy taki podział ról będzie dobry?

7. „Proszę napisać, że jest tendencja do istotności”

Co chce uzyskać promotor. Nie zgubić wyniku bliskiego progu. Intuicja jest słuszna: p = .07 to nie to samo co p = .70.

Dlaczego dosłownie to nie działa. Wartość p z jednego badania nigdzie nie zmierza, a to sformułowanie zachęca do czytania wyniku jako prawie potwierdzonego. Zamienniki podaje wpis o języku pracy.

Co zaproponować. Pokaż wielkość różnicy i przedział, które mówią więcej niż przymiotnik. Jeśli promotor woli swoje słowo, zostaw je, ale obok pełnego wyniku i bez uznania hipotezy za potwierdzoną.

Dziękuję, ten wynik rzeczywiście warto pokazać. Proponuję zapis: „Różnica wyniosła [wartość], 95% CI [dolna, górna], p = [wartość], więc nie osiągnęła przyjętego progu; oszacowanie wskazuje na kierunek zgodny z hipotezą, ale dane są zgodne także z brakiem różnicy”. Czy taki opis będzie odpowiedni?

8. „Proszę porównać grupy testami w tabeli 1” (badanie z losowaniem)

Co chce uzyskać promotor. Pokazać, że grupy były porównywalne na starcie. Czytelnik naprawdę musi to wiedzieć.

Dlaczego dosłownie to nie działa. Po losowaniu każda różnica wyjściowa jest z definicji przypadkowa, dlatego objaśnienia CONSORT uznają takie testy za zbędne i mogące mylić (Moher i in., 2010). Przy wielu cechach któraś wyjdzie „istotna” samym trafem (tabela 1).

Co zaproponować. Opis grup i standaryzowane różnice. Jeśli w dziedzinie albo u promotora przyjęta jest kolumna p, dodaj ją z notą.

Dziękuję, porównywalność grup pokażę w tabeli 1. Ponieważ uczestników przydzielono losowo, proponuję podać średnie i odsetki bez testów, zgodnie z objaśnieniami CONSORT (Moher i in., 2010), oraz dodać standaryzowane różnice. Jeśli woli Pan/Pani także kolumnę z wartościami p, dodam ją z krótką notą. Którą wersję przygotować?

9. „Alfa musi przekroczyć .70, proszę usunąć pozycje”

Co chce uzyskać promotor. Pewności, że wynik skali jest wiarygodny. Słusznie, bo słaby pomiar osłabia wszystkie dalsze analizy.

Dlaczego dosłownie to nie działa. Próg .70 jest umowny, a w literaturze podaje się wartości od .70 do .95 (Tavakol i Dennick, 2011). Usunięcie pozycji zmienia opublikowane narzędzie i utrudnia porównania, zaś pozycję wskazują te same dane, które potem oceniasz. Listę kroków podaje wpis o alfie poniżej .70.

Co zaproponować. Najpierw sprawdź kodowanie pozycji odwróconych. Potem wynik pełnej skali z przedziałem i omegą jako główny, a wersja skrócona jako analiza dodatkowa, obie w tabeli.

Dziękuję za uwagę o rzetelności. Sprawdziłem/-am kodowanie pozycji i alfa wynosi [wartość], 95% CI [dolna, górna]. Proponuję podać wynik pełnej skali jako główny, a obok, jako analizę dodatkową, wersję bez pozycji [numer], z porównaniem wniosków. Zachowamy w ten sposób porównywalność z badaniami używającymi tej skali. Czy mogę tak to przedstawić?

10. „Proszę pisać o wpływie” (badanie przekrojowe)

Co chce uzyskać promotor. Pracy, która mówi coś o mechanizmie, a nie tylko o korelacji. Promotor może mieć tu rację co do pytania: Hernán (2018) przekonuje, że jawne nazwanie celu przyczynowego zmniejsza niejasność i błędy.

Dlaczego dosłownie to nie działa. Jeden pomiar nie pokaże, co było pierwsze, a oba zjawiska może tłumaczyć trzecia zmienna (korelacja a przyczynowość). Sama zamiana słowa nie rozwiązuje jednak sprawy.

Co zaproponować. Cel opisz wprost jako poznanie możliwego wpływu, w wynikach pisz o związku, a w ograniczeniach dodaj zdanie o kolejności czasowej. Gdy słowo jest w zatwierdzonym temacie, zapytaj o możliwość zmiany; zasady bywają różne.

Dziękuję. Zgadzam się, że pytanie dotyczy możliwego wpływu i tak mogę opisać cel pracy. Ponieważ pomiar był jednorazowy, proponuję w wynikach pisać o związku, a we wnioskach zaznaczyć, że wpływ jest interpretacją wymagającą badań z kilkoma pomiarami. Czy taki podział będzie do przyjęcia, również ze względu na brzmienie tematu?

Gdy promotor zostaje przy swoim

W sprawach metody to normalna sytuacja i zwykle można ją dobrze zamknąć. Spory o zwyczaj nie są warte napięcia, a wykonana prośba rzadko szkodzi pracy, jeśli jest opisana uczciwie.

  1. Zapytaj raz o powód. Promotor może znać wymóg uczelni albo oczekiwania recenzenta.
  2. Pokaż obie wersje. Różnica w wynikach bywa mniejsza, niż się obawiasz.
  3. Wykonaj prośbę jako analizę dodatkową i opisz, czym jest. Analizy główne zostają.
  4. Potwierdź ustalenia krótką wiadomością, żeby obie strony pamiętały to samo.
  5. Przygotuj się na pytanie o tę decyzję podczas obrony.

W pracy nie pisz, że analizę zlecił promotor. Wystarczy opis jej statusu:

Analiza dodatkowa. Oprócz analiz zaplanowanych wykonano [nazwa analizy]. Analiza nie była częścią pierwotnego planu i ma charakter uzupełniający, dlatego jej wynik należy interpretować ostrożnie. Wnioski dotyczące hipotez oparto na analizach głównych.

Granica, której nie przekraczasz

Są cztery rzeczy, których nie zrobisz, nawet gdy pojawi się taka prośba: nie usuwasz wyniku zaplanowanej hipotezy po to, by zmienić obraz badania, nie zmieniasz ani nie dopisujesz danych, nie wymyślasz wyników i nie opisujesz analizy wybranej po wynikach jako planowanej. Podpisujesz się pod pracą własnym nazwiskiem.

Najpierw załóż nieporozumienie, bo tak zwykle jest. Zapytaj spokojnie i zaproponuj uczciwe wyjście:

Chcę upewnić się, że dobrze rozumiem uwagę. Hipoteza [numer] jest opisana w Metodzie, dlatego wolałabym/wolałbym zostawić jej wynik, także nieistotny. Mogę opisać go krótko i omówić możliwe przyczyny w dyskusji. Czy takie rozwiązanie będzie do przyjęcia?

Jeśli nieporozumienie się utrzymuje, nie zaczynaj sporu i nie rób niczego za plecami promotora. Sprawdź regulamin i zasady rzetelności swojej uczelni i zapytaj osobę, którą te zasady wskazują.

Najczęstsze błędy

  • Odmowa zamiast propozycji. Promotor zostaje bez odpowiedzi na swoje pytanie.
  • Spór o każdy zwyczaj. Argumenty warto zachować na sprawy, które zmieniają wnioski.
  • Ciche pominięcie uwagi. Niewprowadzoną uwagę trzeba nazwać i wyjaśnić.
  • Wykonanie prośby bez opisu. Dodatkowa analiza udaje wtedy zaplanowaną.
  • Cytat bez zrozumienia. Nie powołuj się na artykuł, którego nie umiesz streścić.
Przykład reprodukowalny

„Policz jeszcze kilka testów” w R

Skrypt liczy wszystkie liczby z punktu 3 i rysunku 2. Korzysta tylko z bazowego R. Rysunki powstały w osobnym skrypcie. Ziarna nie wybierano pod wynik, a liczebności i korelacja między wynikami są założeniami ilustracyjnymi.

Analizy dodatkowe po nieistotnej analizie głównej

Dane wejściowe: 10000 symulowanych prac, 2 × 60 osób, trzy wyniki skorelowane .5, brak efektu; set.seed(5031); tylko bazowy R.

Co odczytać: kolumna bez poprawki to odsetek prac z co najmniej jednym p < .05 wśród analiz dodatkowych; kolumna z poprawką Holma obejmuje też analizę główną; ostatnia pokazuje wzór dla testów niezależnych.

R
# „Policz jeszcze kilka testów”: co się dzieje po nieistotnej analizie głównej
# Dane symulowane, przykład fikcyjny. W danych nie ma żadnego efektu.
set.seed(5031)
n_badan   <- 10000   # liczba symulowanych prac
n_grupa   <- 60      # osób w każdej z dwóch grup
kor_wynik <- 0.5     # korelacja między trzema wynikami (założenie ilustracyjne)

jedna_praca <- function() {
  n <- 2 * n_grupa
  grupa <- rep(0:1, each = n_grupa)
  kobieta <- rbinom(n, 1, 0.5) == 1
  wiek <- runif(n, 20, 60)
  mlodsi <- wiek < median(wiek)
  wspolny <- rnorm(n)
  wyniki <- sapply(1:3, function(i) sqrt(kor_wynik) * wspolny + sqrt(1 - kor_wynik) * rnorm(n))
  p_t <- function(y, ktore = rep(TRUE, n)) t.test(y[ktore] ~ grupa[ktore])$p.value
  podgrupy <- function(y) c(p_t(y, kobieta), p_t(y, !kobieta), p_t(y, mlodsi), p_t(y, !mlodsi))
  c(glowna = p_t(wyniki[, 1]),             # analiza główna
    p_t(wyniki[, 2]), p_t(wyniki[, 3]),    # dodatkowe 1–2: inne wyniki
    podgrupy(wyniki[, 1]),                 # dodatkowe 3–6: podgrupy, wynik główny
    podgrupy(wyniki[, 2]),                 # dodatkowe 7–10: podgrupy, wynik drugi
    podgrupy(wyniki[, 3]))                 # dodatkowe 11–14: podgrupy, wynik trzeci
}

p <- t(replicate(n_badan, jedna_praca()))
nieistotna <- p[, 1] >= .05                # zostają prace z nieistotną analizą główną
cat(sprintf("Prace z nieistotną analizą główną: %d z %d (%.2f%%)\n\n",
            sum(nieistotna), n_badan, 100 * mean(nieistotna)))

k_dodatkowych <- c(0, 2, 4, 6, 8, 10, 12, 14)
p_warunkowo <- p[nieistotna, ]
bez_poprawki <- sapply(k_dodatkowych, function(k) {
  if (k == 0) return(0)
  100 * mean(apply(p_warunkowo[, 2:(k + 1), drop = FALSE], 1, min) < .05)
})
z_holmem <- sapply(k_dodatkowych, function(k) {
  100 * mean(apply(p_warunkowo[, 1:(k + 1), drop = FALSE], 1,
                   function(w) min(p.adjust(w, "holm"))) < .05)
})
tabela <- data.frame(
  dodatkowe_analizy = k_dodatkowych,
  bez_poprawki_proc = round(bez_poprawki, 2),
  z_holmem_proc = round(z_holmem, 2),
  gdyby_niezalezne_proc = round(100 * (1 - 0.95^k_dodatkowych), 2)
)
print(tabela, row.names = FALSE)
Wynik
Prace z nieistotną analizą główną: 9469 z 10000 (94.69%)

 dodatkowe_analizy bez_poprawki_proc z_holmem_proc gdyby_niezalezne_proc
                 0              0.00          0.00                  0.00
                 2              8.20          2.59                  9.75
                 4             14.29          2.62                 18.55
                 6             19.41          2.52                 26.49
                 8             24.23          2.79                 33.66
                10             28.13          2.89                 40.13
                12             32.15          3.04                 45.96
                14             35.29          2.99                 51.23

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (tylko funkcje bazowe); rysunki przygotowano w pakietach ggplot2 i svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Zanim odpowiesz promotorowi

  • Czy wiesz, jaką potrzebę ma ta prośba zaspokoić?
  • Czy sprawdzono, że nie chodzi o wymóg uczelni lub zwyczaj dziedziny?
  • Czy masz gotową propozycję, a nie tylko zastrzeżenie?
  • Czy wiadomość kończy się pytaniem i zostawia decyzję promotorowi?
  • Czy analiza dodatkowa jest w pracy nazwana dodatkową?
  • Czy każda zaplanowana hipoteza ma w pracy swój wynik?

Liczby pochodzą z symulacji, a sformułowania wiadomości są wzorami. Jeśli chcesz, aby ktoś przygotował z Tobą analizę dodatkową albo wersję do pokazania promotorowi, zobacz ofertę dla studentów i przewodnik po statystyce w pracy dyplomowej.

Najczęstsze pytania

Czy mogę nie zgodzić się z promotorem w sprawie analizy statystycznej?

Możesz przedstawić wątpliwość, najlepiej raz, z jednym źródłem i gotową propozycją. W sprawach zwyczaju i preferencji decyduje promotor. Często najlepsze jest wykonanie obu wersji i pokazanie, czy wnioski się różnią.

Co zrobić, gdy promotor każe wyrzucić nieistotne wyniki z rozdziału?

Najpierw zapytaj, czy chodzi o skrócenie opisu, bo tak zwykle jest. Zaproponuj zdanie przy każdej hipotezie i tabelę zbiorczą w załączniku. Wyniki zaplanowanych hipotez powinny zostać w pracy, także nieistotne.

Czy w pracy mogę napisać, że analizę wykonano na prośbę promotora?

Lepiej tego nie robić. Opisz status analizy: że była dodatkowa, nie należała do pierwotnego planu i ma charakter uzupełniający. Autor odpowiada za całą pracę i powinien umieć wyjaśnić każdą analizę na obronie.

Czy trzeba wykonać każdą analizę, o którą prosi promotor?

Zwykle tak, o ile da się to zrobić uczciwie, bo promotor odpowiada za kierunek pracy i zna wymagania uczelni. Gdy masz wątpliwości, zaproponuj analizę główną i prośbę jako dodatek. Wyjątkiem są działania naruszające rzetelność, takie jak zmiana danych.

Jak uprzejmie zasugerować promotorowi inną analizę?

Podziękuj za uwagę, nazwij potrzebę, którą widzisz za prośbą, zaproponuj rozwiązanie z jednym źródłem i zakończ pytaniem. Unikaj słów „błąd” i „nie wolno”. Tabela z wynikami obu wersji przekonuje skuteczniej niż argumenty.

Powiązane hasła

Przeczytaj też

Masz uwagę promotora i nie wiesz, jak na nią odpowiedzieć?

Sprawdzimy, o co chodzi w prośbie, przygotujemy analizę główną i dodatkową w R lub SPSS i wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie je opisać i obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Bernerth, J. B., & Aguinis, H. (2016). A critical review and best-practice recommendations for control variable usage. Personnel Psychology, 69(1), 229–283. https://doi.org/10.1111/peps.12103
  2. Cohen, J. (1983). The cost of dichotomization. Applied Psychological Measurement, 7(3), 249–253. https://doi.org/10.1177/014662168300700301 ● Otwarty dostęp: pełny tekst
  3. Hernán, M. A. (2018). The C-word: Scientific euphemisms do not improve causal inference from observational data. American Journal of Public Health, 108(5), 616–619. https://doi.org/10.2105/ajph.2018.304337 ● Otwarty dostęp: pełny tekst
  4. Hoenig, J. M., & Heisey, D. M. (2001). The abuse of power: The pervasive fallacy of power calculations for data analysis. The American Statistician, 55(1), 19–24. https://doi.org/10.1198/000313001300339897
  5. Moher, D., Hopewell, S., Schulz, K. F., Montori, V., Gøtzsche, P. C., Devereaux, P. J., Elbourne, D., Egger, M., & Altman, D. G. (2010). CONSORT 2010 explanation and elaboration: Updated guidelines for reporting parallel group randomised trials. BMJ, 340, Article c869. https://doi.org/10.1136/bmj.c869 ● Otwarty dostęp
  6. Rochon, J., Gondan, M., & Kieser, M. (2012). To test or not to test: Preliminary assessment of normality when comparing two independent samples. BMC Medical Research Methodology, 12(1), Article 81. https://doi.org/10.1186/1471-2288-12-81 ● Otwarty dostęp
  7. Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22(11), 1359–1366. https://doi.org/10.1177/0956797611417632
  8. Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha. International Journal of Medical Education, 2, 53–55. https://doi.org/10.5116/ijme.4dfb.8dfd ● Otwarty dostęp
  9. Wysocki, A. C., Lawson, K. M., & Rhemtulla, M. (2022). Statistical control requires causal justification. Advances in Methods and Practices in Psychological Science, 5(2), Article 25152459221095823. https://doi.org/10.1177/25152459221095823 ● Otwarty dostęp

Cytowania BibTeX

@article{bernerth2016critical, author={Bernerth, Jeremy B. and Aguinis, Herman}, title={{A critical review and best-practice recommendations for control variable usage}}, journal={Personnel Psychology}, year={2016}, volume={69}, number={1}, pages={229--283}, doi={10.1111/peps.12103}}
@article{cohen1983cost, author={Cohen, Jacob}, title={{The cost of dichotomization}}, journal={Applied Psychological Measurement}, year={1983}, volume={7}, number={3}, pages={249--253}, doi={10.1177/014662168300700301}}
@article{hernan2018cword, author={Hernán, Miguel A.}, title={{The C-word: Scientific euphemisms do not improve causal inference from observational data}}, journal={American Journal of Public Health}, year={2018}, volume={108}, number={5}, pages={616--619}, doi={10.2105/ajph.2018.304337}}
@article{hoenig2001abuse, author={Hoenig, John M. and Heisey, Dennis M.}, title={{The abuse of power: The pervasive fallacy of power calculations for data analysis}}, journal={The American Statistician}, year={2001}, volume={55}, number={1}, pages={19--24}, doi={10.1198/000313001300339897}}
@article{moher2010consort, author={Moher, David and Hopewell, Sally and Schulz, Kenneth F. and Montori, Victor and Gøtzsche, Peter C. and Devereaux, P. J. and Elbourne, Diana and Egger, Matthias and Altman, Douglas G.}, title={{CONSORT 2010 explanation and elaboration: Updated guidelines for reporting parallel group randomised trials}}, journal={BMJ}, year={2010}, volume={340}, eid={c869}, doi={10.1136/bmj.c869}}
@article{rochon2012test, author={Rochon, Justine and Gondan, Matthias and Kieser, Meinhard}, title={{To test or not to test: Preliminary assessment of normality when comparing two independent samples}}, journal={BMC Medical Research Methodology}, year={2012}, volume={12}, number={1}, eid={81}, doi={10.1186/1471-2288-12-81}}
@article{simmons2011false, author={Simmons, Joseph P. and Nelson, Leif D. and Simonsohn, Uri}, title={{False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant}}, journal={Psychological Science}, year={2011}, volume={22}, number={11}, pages={1359--1366}, doi={10.1177/0956797611417632}}
@article{tavakol2011making, author={Tavakol, Mohsen and Dennick, Reg}, title={{Making sense of Cronbach's alpha}}, journal={International Journal of Medical Education}, year={2011}, volume={2}, pages={53--55}, doi={10.5116/ijme.4dfb.8dfd}}
@article{wysocki2022statistical, author={Wysocki, Anna C. and Lawson, Katherine M. and Rhemtulla, Mijke}, title={{Statistical control requires causal justification}}, journal={Advances in Methods and Practices in Psychological Science}, year={2022}, volume={5}, number={2}, eid={25152459221095823}, doi={10.1177/25152459221095823}}
R